一、问题提出
据国家统计局发布的《中华人民共和国2020年国民经济和社会发展统计公报》显示,2020年末我国常住人口城镇化率将超过60%。[1]自2000年以来，中国城镇总人口数由4.5亿人增加至8.5亿人，城镇化率相应地从36.2%增至近60%，城市基数也实现了显著增长。新型城镇化的迅猛发展使得大量人口在城市地区聚集，加快了我国城市经济水平的增长与产业结构优化升级。但与此同时，城市的升级转型诱发了犯罪现象的多元化演变，总体犯罪数量多年来维持高位。基于《2020中国统计年鉴》的公开数据，本文对犯罪数量与城镇化水
正则化的回归分析
平进行描述性分析后发现(结果详见图1),“盗抢骗”侵财类犯罪占据我国所有刑事犯罪的绝大多数，其中2019年该比例就达到了76.2%。由此可见，盗抢骗犯罪构成了我国总体犯罪数据中的主要部分，且其数量与社会经济、结构的发展水平可能存在紧密联系。
作为持续高发的案件类型，盗抢骗犯罪长期以来严重影响我国人民众的安全感、获得感以及对公安工作的满意度，特别是“杀猪盘”电信网络等非接触型犯罪呈现激增态势，更是给我国的社会秩序造成潜在威胁。G 省位于我国的南部沿海地区，是珠三角地区的重要组成部分，总人口
社会解组理论对侵财类犯罪的
实证检验
——
—基于线性回归、空间自相关与地理加权回归的分析模型许博洋1，唐
赫2
(1.中国政法大学，北京
100088;2.中国刑事警察学院，沈阳110035)
摘要:“盗抢骗”等侵财犯罪率随着我国城镇化的不断推进呈现快速上升趋势，作为严重影响人民众安全感和满意度的犯罪类型，探索出该类犯罪高发的影响因子，对预防和控制此类犯罪具有重要意义。以社会解组理论的本土化检验为视角，择取2019年G 省21座城市的侵财犯罪率为研究对象，运用多元线性回归与地理加权回归模型，以静态与动态的可视化分析方式呈现影响侵财犯罪率的社会解组因子。研究结果表明，社会经济水平和人口流动性是能够显著正向影响G 省侵财犯罪率的社会解组因子，在空间分布格局上呈现出犯罪热点聚集并由中心城市向周围地区辐射的规律，社会解组理论对于我国的侵财类犯罪具有较好的解释力。研究结论旨在为我国侵财类犯罪的有效防控提供宏实践观层面的循证依据。
关键词：社会解组理论；侵财类犯罪；多元线性回归；空间自相关检验；地理加权分析中图分类号:D924.35
文献标志码:A
文章编号:2095-2031(2023)05-0034-10
收稿日期:2023-03-03
基金项目:2022年度法治建设与法学理论研究部级科研项目“被害人学视角下电信全阶段预防治理机制研究”(22SFB4013)；中国刑事警察学院研究生创新能力提升项目资助“我国电信网络犯罪模式演进的量化研究”(2021YCYB02)。
作者简介：许博洋(1994-)，男，河北唐山人，中国政法大学刑事司法学院讲师，犯罪学博士，从事犯罪社会学、定量犯罪学研究；唐赫(1997-)，男，辽宁沈阳人，中国刑事警察学院2020级硕士研究生，从事侦查学、定量犯罪学研究。
2023年9月江西警察学院学报
Sep.2023第5期总第243期
JOURNAL OF JIANGXI POLICE INSTITUTE
No.5Sum.243
34··
近1.3亿
，地域面积约18万平方公里。作为我国第一经济大省，该省侵财类犯罪的防控形势不容乐观。通过对中国裁判文书网系统性检索后发现(详见图2),G 省近10年来盗窃、抢劫、三类案件的审结数量总体呈大幅上升趋势，虽近年来有所下降，但其基数之大，变化之缓的问题仍然没有得到根本性改变。尤其在青少年越轨问题成为社会热点的情况下，侵财类犯罪业已成为该省未成年人犯罪案件的主要类型。[2]社会解组理论作为犯罪学“都市生态”学派的中坚力量，在西方国家数次遏制次高涨的犯罪浪潮中起到了重要的预防与控制作用，然而利用国内本土数据来检验该经典理论与侵财类犯罪间关系的实证研究尚为数不多。考虑到G 省不同城市间人口数量、经济水平、人员流动、社会结构的差异性，本研究基于2019年度G
省21个城市的宏观面板数据，探索性地尝试对社会解组理论进行局部区域的本土化检验，旨在为我国侵财类犯罪的有效防控提供宏观实践层面的循证依据。
二尧相关概念与文献综述
(一)社会解组理论及其研究现状
社会解组理论(Social Disorganization Theory)是美国最早发展起来的社会学理论之一，其在犯罪学领域的应用最早可追溯至法国社会学家迪尔凯姆(Durkheim)的《自杀论》一书，他认为社会经济结构和外部环境的变化会引起有犯罪倾向的人选择实施犯罪行为。[3]社会解组理论强调，犯罪现象存在着地区差异性，快速的社会变迁会导致社会有序力量的崩溃，进而促使犯罪增长。肖(Shaw)和麦凯(McKay)
是社会解组理论学派的两位重要奠
图1我国刑事案件立案数、盗抢骗案件立案数与城镇化率变化趋势图
图22010-2020年G 省盗抢骗犯罪案件审结数量(单位：起)
35··
基人，他们指出低收入户多、族差异性大、人口流动率高是造成社区解组的三大结构性原因，也是造成社会犯罪率增长的最主要原因。[4]二十世纪中前叶，第一次世界大战间接促发了美国经济的全面发展，农业、工业生产开始朝着机械化、科技化转型，这迫使大量失业农民前往城市谋求生计。这一时期的社会变迁为美国芝加哥学派的兴起奠定了社会背景基础，和传统解组理论观点类似，该学派强调犯罪是社会快速变迁的自然副产品。受该观点的影响，诸多学者坚称其自有理论在解释社会解组因子与犯罪行为上的精确性与延展性，由此生态犯罪学、城市同心圆等共同强调社会解组概念的多元化理论陆续出现。值得一提的是，桑普森(Sampson)和格罗夫斯(Groves)为社会解组理论的实证研究范式贡献了全新视角，创新性提出了社会解组理论的全新量具，以“集体效能感”和
“民族异质性”等个体维度指标代替前人常用的贫困率等表示社会经济地位的外部变量,[5]至此，社会解组理论的定量研究范式逐步形成。
从研究现状上看，目前我国有关社会解组对犯罪影响的定量研究尚为数不多，且不同于西方犯罪学的研究范式，本土实证研究大多使用单一社会结构指标，诸如城镇化率、[6]基尼系数、[7]人口流动率[8]等常规变量解释总体犯罪率的变化，仅零星学者使用了能够反映社会解组情况的宏观社会结构变量预测了我国犯罪率的未来走势情况。[9]虽然从社会学角度进行社会解组理论探讨的实证研究林林总总，但依然并未形成体系化的犯罪学研究范式，且鲜有对该理论进行具体类罪检验的关注与触及。诚然，社会解组理论在西方国家拥有较为丰富的研究历史，但由于社会文化的差异，社会解组理论的内涵、外延及测量方
式在中西方国家均有较大不同。正因如此，作为一项解释犯罪的宏观社会结构理论，其能够在多大程度上被印证，甚至于媲美控制理论、学习理论、紧张理论等聚焦于个体层面犯罪学理论，仍具备较大探索价值。由此可见，于中国语境下进行社会解组理论之于侵财犯罪影响的实证检验具备了一定的理论贡献与实践指导意义。
一般而言，社会解组理论的模型构建是以区域性统计资料为分析单位，但鉴于中西方的文化背景、政治体制、意识形态均存在较大差异，故本研究选取在我国社会城市结构中发挥承上启下作用的市一级行政单位作为样本，以此分析G省不同地区间犯罪率的差异性。
(二)社会经济水平与犯罪率
社会经济水平作为犯罪率的强预测因子已被众多研究所证实。区域间社会收入不均以及个人社会收入不平等极易造成社会紧张，从而引发低社会地位者通过犯罪手段来提高自身满足度。[10]从社会经济学的视角来看，弗雷舍(Fleisher)和贝尔顿(Belton)的研究首次证实了低水平收入能够影响青少年犯罪率,[11]随后的研究也同样支持了收入不均将导致犯罪行为增加的观点。[12]在此基础上，国外学者基于美国财产犯罪趋势提出了动态均衡模型，证实了社会经济水平是影响社会财产犯罪率变化的最主要因素。[13]类似地，国内已有研究也同样发现了社会经济宏观指标、[14]贫富差距、[15]GDP及开放程度[16]对我国的总体犯罪率有显著正向影响。值得警惕的是，近20年来我国年均基尼系数维持在0.45以上，已经超过
国际标准0.4的警戒线，虽然各地区生产总值与人均GDP不断提高，但收入分配不均、社会阶层分化的事实依然未得以有效解决，发达城市中科学技术人才的聚集化趋势亦加剧了已然存在的区域发展不平衡的现实，社会结构性紧张与解组水平增加的问题在移动互联时代之下体现得更加明显。综上，为验证社会经济水平与侵财犯罪率的关系，本文现提出第一项假设:
H1:G省的社会经济水平越高，其侵财犯罪率越高。
(三)社会结构与犯罪率
社会结构是社会学领域所广泛应用的术语,《辞海》将其定义为“社会整体的基本组成部分之间比较稳定、有序的关系网络”。[17]社会结构在形态上具有宏观、中观、微观三个层次，宏观结构主要包括人与自然的关系；中观结构是指人们在不同活动领域中形成的各种关系；微观结构则是指人们在社会活动中所形成的具体社会关系。[18]为更加详尽地了解与犯罪率相关的具体社会解组因子，本文采取了对社会结构的微观定义。作为最能代表我国社会结构变迁的外部变量，城镇化往往会导致城市空间结构、人口密度、就业率等指标发生改变，相对稳定的社会结构被城市发展所打破，社会解组现象随之发生，正如有犯罪学家所言，城市
36··
化程度的标志是从暴力犯罪为主转变为财产犯罪为优势的社会犯罪结构。[19]国内学者运用主成分分析法对选取的17个社会结构变量进行检验，发现第三产业从业人员占比、城市建成区面积占比、第三产业占比是能够代表我国社会结构影响侵财犯罪率的最主要因素,[20]但该研究未能涵盖如失业率、城镇人口占比等外部变量，因此对于社会结构与侵财犯罪之间的关系仍存在一定程度的探索空间。基于此，本研究现提出第二项假设:
H2:G省社会结构变迁指数越高，其侵财犯罪率越高。
(四)教育程度与犯罪率
教育程度与犯罪率间的关系鲜有学者进行深入研究。通常来讲，传统观念认为高学历的人往往具有更低的犯罪率，教育培训提高了个体的人力资本水平和市场工资水平，该类体参与和策划犯罪的成本较高(如家庭纽带断裂、声誉受损、社会地位降低等)，因此其犯罪可能性相对于低社会阶层者而言较低。洛克纳(Lochner)和莫雷提(Moretti)提出了衡量犯罪内部标准的人力资本投资(教育或培训)模型，明确指出了成年人的年龄、教育程度与犯罪率呈负相关关系。[21]然而遗憾的是，国内现有文献尚未有从社会解组理论的视角对二者之间的宏观影响关系进行系统性探究，仅吴宗宪和张旭芳以监狱服刑人员为样本，发现了受教育程度低的个体再犯罪的可能性是受教育程度高的个体的1.3倍,[22]这一结论间接佐证了个体维度教育水准的提高有利于减少中国的犯罪率指标。为弥补现有文献有关社会解组理论视域下教育程度与犯罪率关系探讨的不足，本研究现提出第三项假设:
H3:G省的文化教育水平越高，其侵财犯罪率越低。
(五)性别结构与犯罪率
性别结构是社会解组指标中影响宏观犯罪率的重要变量。早在1981年，科布(Cobb)等人就通过对逮捕率数据的计算后发现，在盗窃犯罪案件的被捕人数中，女性人数往往占比更低。[23]类似地，在绝大部分暴力犯罪中，男性的犯罪率往往也要显著高于女性。[24]个体层面上性别与暴力犯罪的强相关性意味着在宏观视域下性别结构同样可能是决定社会犯罪水平的关键因素，如奥登伯格(Old⁃enburg)通过调查印度北方邦性别比例与暴力犯罪之间的关系后发现，女性对男性的性别比和暴力犯罪数量的减少有着较强的显著性。[25]随着近年来男女失衡比例的加剧，我国社会中的性别问题越发严重，近年来陆续有学者就性别失衡对国内犯罪率的影响进行了探索性探究，如爱德朗(Edlund)等人基于1988-2004年间中国26个省份的面板数据分析发现，人口性别结构每提高0.01，暴力和财产犯罪率随之上升3%;[26]姜全保和李波也同样证实了性别结构对我国整体犯罪率的上升有着显著影响。[27]综上，基于现有文献的支持，本研究先提出第四项假设:
H4:G省的性别结构指数越高(男性人口/女性人口)，其侵财犯罪率越高。
(六)人口流动率与犯罪率
人口流动率是指一定时期内人口在地理空间上位置的变更强度。随着城镇化进程的不断加快，我国的社会流动变得空前频繁，以劳动要素流动为主要特征的人口流动极大促进了社会经济水平的发展，同时在无形中对我国犯罪数量和犯罪结构产生了重要影响。陈刚等人的研究表明，我国人口流动性对于社会犯罪率具有显著的正向解释力。[28]与此同时，麻泽芝等人将相对丧失论用于解释中国流动人口犯罪，认为流动人口中的低收入体在城市中所要面对的物质性诱惑更多，存在更多的潜在犯罪机会，同时该体对社会资源分配不公的现象会产生相对剥夺感，因此具有更大的犯罪倾向。[29]由此可见，人口流动率对于犯罪率的促进作用已被我国学界所明示，本文顺延前人研究的思路，从社会解组理论的视角提出第五项假设:
H5:G省的社会人口流动性越高，其侵财犯罪率越高。
三尧研究设计
(一)数据来源与变量设置
本研究的数据来源为G省的21座城市。由于每座城市的刑事案件立案总数并未公布，故本文选取了各市2019年度法院审结侵财犯罪案件数作为该类犯罪的衡量指标，所有判例数据来源于聚法案例网(www.jufaanli)，需要指出的是，作为专业的法律服务平台，聚法案例网不同于其他司法判例检索工具，其可满足类案检索、文书纠错、精准量刑、司法数据分析等用户多元化需
37··
求，现已成为学界进行法律实证研究的主流数据开源平台之一。各城市的地理信息数据来源于国家地理信息数据库(/ngcc/)。社会经济水平、社会结构、教育程度等数据来源于2020年中国统计年鉴以及2020年G省统计年鉴。
基于社会解组理论的观点与现有文献的阐释，本研究选取了16个对侵财犯罪率可能具有影响的社会解组因子，分别是：年均常住人口(万)、人口流动性、性别结构、第三产业就业人员占比、城市建成区占比、第三产业占比、万人拥有医疗床位数、人均一般公共收入预算、人均地区生产总值
(万)、居民人均可支配收入、人均生活消费支出、居民人均存款(万)、人均固定资产投资(万)、收入不均、失业率、初高中毕业率。由于自变量数量过多，在后续的数据分析中，很有可能产生变量间高度共线性的问题，因此需要通过主成分分析的方法对众多变量进行降维处理，以实现不同类别变量的合理划分。因变量侵财类犯罪率的具体计算公式为：各市侵财犯罪总数/(各市年均常住人口数*10000)。需要注意的是，侵财犯罪并不是标准的法律术语，我国刑法虽没有对其内涵和外延进行专属明示，但司法实践常将其定义为侵犯公私财产类犯罪的总称，具体包括以下罪名：抢劫罪、盗窃罪、罪、抢夺罪、罪、侵占罪、挪用资金罪等，考虑到抢劫罪、抢夺罪、盗窃罪、罪、罪是现实中的高发犯罪类型，故本研究将这5种罪名的样本作为侵财犯罪的操作化定义进行数据整理与录入。
(二)研究工具与分析技术
综合运用SPSS26.0、ArcGIS10.2、OpenGeoDa 软件对G省2019年度面板数据进行统计与分析。首先使用SPSS26.0对原始数据进行标准化处理，并同时将16个自变量与因变量进行皮尔逊相关性分析，排除与犯罪率无关的变量，再使用主成分分析法中的Bartlett球型检验，对其余自变量进行公因子提取，以达到合理划分标准，探索出静态的多元线性回归模型。最后使用ArcGIS10.2和OpenGeoDa软件的制图、空间统计分析、空间建模等功能，以可视化的方式展现出G省侵财类犯罪的动态空间回归模型，挖掘出不同地区犯罪率的空间分布格局和具有显著影响的社会解组因子。
需要说明的是，线性回归分析是用于描述某个因变量和若干自变量之间的关系并进行模型构建的一种方法的合集，现有的研究中，多有学者利用多元线性回归探索出犯罪特征对某一类犯罪的量刑解释模型。[30][31]在对犯罪率影响因素的研究中，一元或多元线性回归也同样被众多学者视为主流方法，但线性回归所采用的最小二乘法(Ordi⁃
nary Least Square，简称OLS)只是对参数进行平均或全局分析，无法解决具有空间属性的自变量与因变量之间更为复杂的回归关系，也不能反映出参数在不同地理空间的差异性，使得研究结论在解释力上存在一定限制。探究社会解组因子与侵财犯罪率间的关系，理应考虑空间数据的分布差异性。地理加权回归(Geographically Weighted Regression，简称GWR)已被验证可有效探索多元关系中的局部空间异
质性，目前在房价分析、[32]城市交通、[33]环境保护[34]等领域的空间归因方面得到广泛应用，故本研究在多元线性回归分析的基础上加入地理加权回归分析，进而使得回归模型的解释力更加全面且准确。
四尧研究结果
(一)变量间相关性分析
为避免出现自变量之间的高度共线性问题，应当在构建假设模型前进行变量间的相关性分析，以排除无关变量和弱相关变量的干扰。由于自变量大部分为连续变量，故采用皮尔逊(N)相关分析，具体结果如下：年均常住人口(r=0.519,p< 0.05)、年均净流入流出率(r=0.760,p<0.01)、第三产业就业人员占比(r=0.759,p<0.01)、城市建成区占比(r=0.615,p<0.01)、人均一般公共收入预算(r= 0.791,p<0.01)、人均地区生产总值(r=0.882,p< 0.05)、居民人均可支配收入(r=0.953,p<0.01)、人均生活消费支出(r=0.944,p<0.01)、居民人均存款(r=0.925,p<0.01)、人均固定资产投资(r=0.597,p< 0.01)与G省侵财犯罪率之间呈显著正相关；性别结构(r=-0.798,p<0.01)、失业率(r=-0.475,p< 0.05)、初高中毕业率(r=-0.548,p<0.05)与G省侵
38··

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。